JP2018198791A - 情報処理装置 - Google Patents

Abstract

【課題】各領域から脂肪量や筋肉量を皮下脂肪や筋肉の厚さとして測定し、画像や数値として取得することで、より詳細な健康状態を認識することができ、効果的な指導やアドバイスを受けること。【解決手段】画像取得部５１は、超音波プローブ１１で受信された超音波に基づいて生成された所定部位の画像データを取得する。領域認識部５２は、所定部位の画像データから、皮下脂肪領域のデータ、筋膜領域のデータ、及び筋肉領域のデータを認識する。特徴情報取得部５３は、１以上の判定対象の領域のデータから、特徴情報を取得する。状態推定部５４は、前記所定部位における前記１以上の判定対象の夫々の状態を推定する。厚さ取得部５５は、皮下脂肪領域のデータ又は筋肉領域のデータから、皮下脂肪又は筋肉の厚さを取得する。評価部５６は、皮下脂肪の厚さや筋肉の厚さに基づいて、当該ユーザの所定部位の筋肉量に関する所定の評価を行う。【選択図】図３

Description

本発明は、情報処理装置に関する。

近年、人々の健康意識の高まりは著しく、ユーザが自身の健康状態を知りたいという要望がある。例えば、ユーザの体重や、体脂肪率等を測定し、健康状態を判定するという技術が提案されている(例えば、特許文献１参照)。

特開２０１６−０３６４１７号公報

しかしながら、皮下脂肪や筋肉の厚さから、ユーザの健康状態を判定したいという要望が近年挙げられているが、上述の特許文献１を含め従来の技術では当該要望に十分に応えられていない状況である。

本発明は、このような状況に鑑みてなされたものであり、皮下脂肪や筋肉の厚さから、ユーザの健康状態を判定することを目的とする。

上記目的を達成するため、本発明の一態様の情報処理装置は、
プローブ内の超音波センサから発信され、人体の所定部位の身体内から跳ね返り、前記プローブで受信された超音波に基づいて生成された画像データを、前記所定部位の画像データとして取得する画像取得手段と、
前記所定部位の画像データから、皮下脂肪領域のデータ、及び筋肉領域のデータを認識する領域認識手段と、
前記皮下脂肪領域のデータ又は前記筋肉領域のデータから、前記皮下脂肪又は前記筋肉の厚さを取得する厚さ取得手段と、
を備える。

本発明によれば、皮下脂肪や筋肉の厚さから、ユーザの健康状態を判定することを目的とすることができる。

本発明の一実施形態に係る情報処理システムの一例を示す図である。 図１の情報処理システムのうち超音波画像解析装置のハードウェア構成を示すブロック図である。 図２の超音波画像解析装置の機能的構成の一例を示す機能ブロック図である。 図３の超音波画像解析措置で取得された超音波画像の一例を示す図である。 図４の超音波画像の領域認識部の認識結果の一例を示す図である。 皮下脂肪及び筋肉の厚さに基づいた評価値の演算方法の一例を示す図である。 トレーニング等の前後における、超音波画像の一例を示す図である。 超音波画像の厚さ評価の一例を示す図である。 身体組成バランスの評価の一例を示す図である。 図３の超音波画像解析装置により実行される厚さ評価処理の流れを説明するフローチャートである。

図面を参照して、本発明の一実施形態について説明する。
図１は、本発明の一実施形態に係る情報処理システムの一例を示す図である。

情報処理システムは、超音波画像生成装置１と、超音波画像解析装置２とを備えている。
超音波画像生成装置１と超音波画像解析装置２とは、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等のネットワークＮを介して接続されている。
なお、ネットワークＮは、ＬＡＮである必要は特になく、インターネット等でもよい。また、ネットワークＮは、必須な構成要素ではなく、ブルートゥース（登録商標）等の所定の通信規格にしたがって、超音波画像生成装置１と超音波画像解析装置２とは直接通信をしてもよい。

超音波画像生成装置１は、超音波プローブ１１と、超音波トランスデューサデバイス１２とを備えている。
超音波プローブ１１は、ユーザ等の生体Ａのうち、腹部、腕部、脚部等の測定部位の内部Ｂに超音波を照射するとともに、内部Ｂで反射した超音波エコーを受信する。
超音波トランスデューサデバイス１２は、超音波プローブ１１に接続され、超音波プローブ１１から受信した超音波エコーに基づいて画像のデータ（以下、「超音波画像のデータ」と呼ぶ）を生成し、超音波画像解析装置２に送信する。
なお、超音波画像のデータの生成場所は、本実施形態では超音波トランスデューサデバイス１２とされたが、特にこれに限定されず、例えば、後述する超音波画像解析装置２であってもよい。

超音波画像解析装置２は、超音波画像生成装置１から送信された超音波画像のデータに対して各種解析をするための各種処理を実行する。
図２は、図１の情報処理システムのうち、超音波画像解析装置のハードウェア構成を示すブロック図である。

超音波画像解析装置２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２３と、バス２４と、入出力インターフェース２５と、出力部２６と、入力部２７と、記憶部２８と、通信部２９と、ドライブ３０と、を備えている。

ＣＰＵ２１は、ＲＯＭ２２に記憶されているプログラム、又は、記憶部２８からＲＡＭ２３にロードされたプログラムに従って各種の処理を実行する。
ＲＡＭ２３には、ＣＰＵ２１が各種の処理を実行する上において必要なデータ等も適宜記憶される。

ＣＰＵ２１、ＲＯＭ２２及びＲＡＭ２３は、バス２４を介して相互に接続されている。このバス２４にはまた、入出力インターフェース２５も接続されている。入出力インターフェース２５には、出力部２６、入力部２７、記憶部２８、通信部２９及びドライブ３０が接続されている。

出力部２６は、ディスプレイやプリンタ、スピーカ等で構成され、各種情報を画像や印刷物、音声として出力する。
入力部２７は、キーボードやマウス、タッチパネル等で構成され、各種情報を入力する。

記憶部２８は、ハードディスクやＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成され、各種データを記憶する。
通信部２９は、インターネットを含むネットワークＮ（図１）を介して超音波画像生成装置１の超音波トランスデューサデバイス１２との間で通信を行う。

ドライブ３０には、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリ等よりなるリムーバブルメディア３１が適宜装着される。ドライブ３０によってリムーバブルメディア３１から読み出されたプログラムは、必要に応じて記憶部２８にインストールされる。
また、リムーバブルメディア３１は、記憶部２８に記憶されている各種データも、記憶部２８と同様に記憶することができる。

図３は、図２の超音波画像解析装置の機能的構成の一例を示す機能ブロック図である。

超音波画像解析装置２のＣＰＵ２１においては、画像取得部５１と、領域認識部５２と、特徴情報取得部５３と、状態推定部５４と、厚さ取得部５５と、評価部５６と、表示制御部５７と、が機能する。

画像取得部５１は、プローブ内の超音波センサから発信され、人体の所定部位の身体内から跳ね返り、プローブで受信された超音波に基づいて生成された画像データを、所定部位の画像データとして取得する。
即ち、画像取得部５１は、超音波画像生成装置１から送信されてきた当該所定部位の超音波画像のデータを、通信部２９を介して取得する。

図４は、図３の超音波画像解析措置に取得された超音波画像の一例を示す図である。
図４の例の超音波画像３０１は、ユーザ等の生体Ａのうちの超音波プローブ１１の測定部位に相当する内部Ｂの超音波画像であって、具体的には、超音波エコー（反射波信号）の振幅（信号強度）が輝度値に変換された場合における、当該輝度値を有する各画素から構成されるデータに対応する画像である。

領域認識部５２は、所定部位の超音波画像のデータから、皮下脂肪領域のデータ、筋膜領域のデータ、及び筋肉領域のデータを認識する。
即ち、領域認識部５２は、画像取得部５１により取得された超音波画像のデータの夫々について、輝度値の違いから、皮下脂肪領域のデータ、筋肉領域のデータ、筋膜領域のデータの３領域のデータを認識する。

ここで、図５を用いて、上述の超音波画像のデータから、皮下脂肪領域のデータ、筋肉領域のデータ、及び筋膜領域のデータを認識する場合について説明する。
図５は、図４の超音波画像の領域認識部の認識結果の一例を示す図である。
図５に示す様に、超音波画像３０１から、皮下脂肪領域４０１、筋肉領域４０２、及び筋膜領域４０３の夫々が認識される。
なお、図５においては、説明の便宜上、皮下脂肪領域４０１と筋肉領域４０２とは、異なる向きのハッチングで図示しているが、実際に超音波画像解析装置２のモニタ（出力部２６）に表示させる場合等には、異なる色で表示させるようにしてもよい。
なお、図５の例では、「骨」と記載された骨領域が認識されているが、骨領域やさらにその奥の深層の内臓を認識することは特に必須ではない。

図３に戻り、特徴情報取得部５３は、超音波画像のデータにおける、皮下脂肪領域のデータ、筋膜領域のデータ、又は筋肉領域のデータのうち、１以上の判定対象の領域のデータから、特徴情報を取得する。
特徴情報取得部５３は、例えば皮下脂肪領域のデータから色の情報（輝度値等）を特徴情報とする。
特徴情報は、所定部位の所定の１以上の状態を推定するために用いられる情報であれば足り、その形態は特に限定されない。
ここで、特徴情報の取得単位は特に限定されず、領域で１つの特徴情報が取得されてもよいし、領域が複数ブロックに分割されてブロック毎に特徴情報が取得されてもよいし、各画素毎に特徴情報が取得されてもよい。

状態推定部５４は、１以上の判定対象の夫々の特徴情報に基づいて、所定部位における１以上の判定対象の夫々の状態を推定する。
状態推定処理とは、所定部位の超音波画像のデータに基づいて、当該所定部位の状態を推定するまでの一連の処理をいう。
以下に、特徴情報取得部５３と、状態推定部５４をまとめて説明する。

状態推定部５４は、上記特徴情報に基づいて皮下脂肪の状態を推定することができる。
具体的には例えば、特徴情報取得部５３は、皮下脂肪領域のデータから、第１の色（例えば黒色）と第２の色（例えば白色）のうち何れか一方を特徴情報として取得する。
状態推定部５４は、第１の色を特徴情報として取得した場合、皮下脂肪は水太りの状態であると推定し、第２の色を特徴情報として取得した場合、皮下脂肪は固太りの状態であると推定する。
或いは、状態推定部５４は、皮下脂肪領域における第１の色と第２の色との割合に基づいて、皮下脂肪の水太りの度合いを推定してもよい。

また例えば、特徴情報取得部５３は、筋膜領域のデータから線の状態を特徴情報とする。状態推定部５４は、当該特徴情報に基づいて筋膜の状態を推定することができる。
具体的には例えば、特徴情報取得部５３は、筋膜領域のデータから、「かすれている」と「明確な線」のうち何れか一方を特徴情報として取得する。より具体的には例えば、特徴情報取得部５３は、筋膜領域の中で線と判断できる領域を特定し、当該領域において、同一色（例えば白色）が一定割合以上あれば、「明確な線」として取得し、同一色（例えば白色）が一定割合未満であれば「かすれている」として取得することができる。
状態推定部５４は、「かすれている」を特徴情報として取得した場合、筋膜は筋肉を使っていない状態であると推定し、「明確な線」を特徴情報として取得した場合、筋膜はよく筋肉を使っている状態であると推定する。
或いは、状態推定部５４は、「明確な線」の分布度合に基づいて、筋肉の引締まり度合いを推定してもよい。

また例えば、特徴情報取得部５３は、筋肉領域のデータから色の情報（輝度値等）を特徴情報とする。状態推定部５４は、当該特徴情報に基づいて筋肉の状態を推定することができる。
具体的には例えば、特徴情報取得部５３は、筋肉領域のデータから、第１の色（例えば黒色）と第２の色（例えば白色）のうち何れか一方を特徴情報として取得する。
状態推定部５４は、第１の色を特徴情報として取得した場合、筋肉はよく鍛えられた状態であると推定し、第２の色を特徴情報として取得した場合、筋肉は霜降り状態であると推定する。
或いは、状態推定部５４は、第１の色と第２の色との割合に基づいて、筋肉の霜降り度合いを推定してもよい。

厚さ取得部５５は、皮下脂肪領域のデータ又は筋肉領域のデータから、皮下脂肪又は筋肉の厚さを取得する。
即ち、厚さ取得部５５は、領域認識部５２で認識された皮下脂肪領域のデータと筋肉領域のデータから、皮下脂肪と筋肉との各厚さを取得する。
ここで皮下脂肪の厚さとは、対称の測定部位における脂肪領域の厚さを示す値である。
同様に、筋肉の厚さとは、対象の測定部位における筋肉領域の厚さを示す値である。皮下脂肪や筋肉の厚さは、後述する評価値の演算や評価に利用される。
具体的には、厚さ取得部５５は、所定部位の各領域が撮像された超音波画像のデータに基づいて、各輝度値の違いに基づいて、皮下脂肪領域のデータ、筋肉領域のデータ、及び筋膜領域のデータの３領域のデータを認識する。厚さ取得部５５は、認識されたデータに基づいて、皮下脂肪や筋肉の各距離（厚さ）を測定する。
ここで、皮下脂肪や筋肉の厚さに関する情報の取得単位は特に限定されず、領域で１つの厚さに関する情報が取得されてもよいし、領域が複数ブロックに分割されて、ブロック毎に厚さに関する情報が取得されてもよいし、各画素ごとに厚さに関する情報が取得されてもよい。

評価部５６は、ユーザの所定の１以上の測定部位の夫々について、皮下脂肪と筋肉とのうち少なくとも一方の厚さに基づいて、各種評価を行う。評価部５６は、各種評価を行うにあたり、状態推定部５４の推定結果も適宜用いる。
ここで、評価部５６は、評価値演算部７１と、トレーニング等効果評価部７２と、身体組成バランス評価部７３と、総合評価部７４とが機能する。

評価値演算部７１は、ユーザの所定の１以上の測定部位の夫々について、皮下脂肪と筋肉とのうち少なくとも一方の厚さに基づいて、当該ユーザについての、所定の観点による評価値を演算する。
即ち、評価値演算部７１は、厚さ取得部５５で取得された皮下脂肪と筋肉とのうち少なくとも一方の厚さに基づいて、当該ユーザについての、所定の観点による評価値を演算する。ここで、所定の観点は、特に限定されず、ダイエット、マッスル（筋肉）、フィットネス、偏差値等任意の種類を採用することができる。また、評価値とは、ユーザの健康状態を判定するための値である。例えば、ポイント（値）を以下「Ｐ」と表記するならば、ダイエットの観点による評価値としてはダイエットＰが、マッスルの観点による評価値としてはマッスルＰが、フィットネスの観点による評価値としてはフィットネスＰが、夫々算出される。また、偏差値も評価値として算出される。

具体例としてダイエットＰについて説明する。
ダイエットＰは、測定対象部位の夫々の脂肪領域における、皮下脂肪の厚さを加算することで演算することができる。
具体的には例えば、測定対象部位が、上腕前部、腹部、及び大腿前部の３か所である場合、ダイエットＰは、次の式（１）により表される。
ダイエットＰ＝
上腕前部の皮下脂肪の厚さ＋腹部の皮下脂肪の厚さ＋太腿前部の皮下脂肪の厚さ
・・・（１）
ユーザは、このダイエットＰを参照することで、測定対象部位の合計につき、自分がどの程度皮下脂肪を有しているのかを知ることができる。
なお、マッスルＰは、ダイエットＰと同様に演算することができる。即ち、マッスルＰは、測定対象部位の夫々の筋肉領域における、筋肉の厚さを加算することで演算することができる。

続いて、別の具体例としてフィットネスＰについて説明する。
フィットネスＰは、マッスルＰとダイエットＰとの差分により演算することができる。
つまり、フィットネスＰは次の式（２）により表される。
フィットネスＰ＝マッスルＰ−ダイエットＰ
・・・（２）
ユーザは、このフィットネスＰを参照することで、測定対象部位の合計につき、自分が皮下脂肪と筋肉について、どちらがどの程度多く有しているのか、即ち、皮下脂肪と筋肉の大まかなバランスを知ることができる。
また、上述のダイエットＰ、マッスルＰ、及びフィットネスＰについては、他のユーザを含めた統計的なデータに基づいて、偏差値という形態で演算することもできる。なお、偏差値の詳細については、図６を用いて後述する。

トレーニング等効果評価部７２は、ユーザの所定の１以上の測定部位の夫々について、皮下脂肪と筋肉とのうち少なくとも一方の厚さの時系列の変化に基づいて、当該ユーザについてのトレーニング又はダイエットの効果を評価する。
つまり、トレーニング等効果評価部７２は、皮下脂肪や筋肉の厚さの時系列の変化や皮下脂肪の状態等の時系列の変化に基づいて、ユーザの健康状態を判定することができる。

身体組成バランス評価部７３は、ユーザの所定の１以上の測定部位の夫々について、皮下脂肪と筋肉とのうち少なくとも一方の厚さに基づいて、当該ユーザについての身体組成バランスを評価（当該ユーザに対して「ビルダーレベル」等の判定とコメントする等）する。

総合評価部７４は、ユーザの健康状態について、総合的に評価する。
即ち、総合評価部７４は、評価値演算部７１に演算された評価値と、トレーニング等効果評価部７２に評価されたトレーニング等の効果と、身体組成バランス評価部７３に評価された身体組成バランス等に基づいて、ユーザの健康状態について、総合的に評価する。総合評価部７４は、総合的な評価を行うにあたり、状態推定部５４の推定結果も適宜用いる。

表示制御部５７は、評価部５６の評価結果を示す画像を出力部２６のディスプレイ等に表示させる制御を実行する。表示制御部５７は、その際、図５の超音波画像３０１等の各種画像も合わせて表示させる制御を実行してもよい。

続いて、図６を用いて、上述の評価値の演算方法について簡単に説明する。
図６は、皮下脂肪及び（又は）筋肉の厚さに基づいた評価値の演算方法の一例を示す図である。
図６には、測定対象部位の異なる複数の超音波画像が、並べて示されている。具体的には、図６において、左から順に、上腕前部の超音波画像５０１、腹部の超音波画像５０２、太腿前部の超音波画像５０３、及びポイント換算画像５１０が示されている。
なお、ポイント換算画像５１０において、評価値演算部７１によって、後述する皮下脂肪の厚さ及び（又は）筋肉の厚さに基づいて演算された評価値等が示されている。
上述の通り、領域認識部５２は、夫々の超音波画像のデータから、輝度値の違い等から、複数の領域のデータを認識する。
例えば、図６の太腿前部の超音波画像（貯筋運動前）５１１をみると、各領域の境界Ａ，Ｂ，Ｃが夫々認識される。ここで、境界Ｘと境界Ｙとの間（Ｘ，Ｙは、夫々独立した符号であり、Ａ，Ｂ，Ｃのうちの何れかの符号）を、「Ｘ−Ｙ間」と表現する。さらに、Ａ−Ｂ間の領域が皮下脂肪領域と、Ｂ−Ｃ間の領域が筋肉領域と、夫々認識される。
この各領域の距離（厚さ）が、同図の各領域の下に示されている。即ち、上腕前部の超音波画像５０１における各領域の距離（厚さ）は、皮下脂肪領域（Ａ−Ｂ間の領域）が４ｍｍであり、筋肉領域（Ｂ−Ｃ間の領域）が２３ｍｍである。
つまり、脂肪の厚さとは、超音波画像上のＡ−Ｂ間の距離、即ち、表面から皮下脂肪領域の境界までの距離であり、図６の例では、４ｍｍである。また、筋肉の厚さとは、超音波画像上のＢ−Ｃ間の距離、即ち、皮下脂肪領域の境界から骨の境界までの距離であり、図６の例では、２３ｍｍである。

次に、ポイント換算画像５１０に表示されている各種評価値について簡単に説明する。
例えば、図６の例では、上腕前部の超音波画像５０１において、脂肪の厚さが４ｍｍであり、筋肉の厚さが２３ｍｍである。腹部の超音波画像５０２において、脂肪の厚さが１７ｍｍであり、筋肉の厚さを１０ｍｍである。太腿前部の超音波画像５０３において、脂肪の厚さが１５ｍｍであり、筋肉の厚さが２６ｍｍである。
これらを前提として、具体的に演算されたダイエットＰが、例えば、式（３）の通りである。
４（上腕前部の皮下脂肪の厚さ）＋１７（腹部の皮下脂肪の厚さ）＋１５（太腿前部の皮下脂肪の厚さ） ＝ ３６（ダイエットＰ）
・・・（３）
同様に、図６の例では、マッスル（筋肉）Ｐは、５９である。また、図６の例では、フィットネスＰは、２３である。
つまり、フィットネスＰの値が大きければ大きい程、筋肉量の割合が高く、健康バランスがよい、即ち十分トレーニングができていることを示している。一方、フィットネスＰの値が小さい程、脂肪の割合が高く、健康バランスが悪い、即ち運動不足であることを示している。
なお、図６の例では、上述の評価値（例えばフィットネスＰ、マッスルＰ、ダイエットＰ）が上腕前部、腹部、及び大腿前部の３か所から演算されているが、これらの測定部位は例示に過ぎないことは言うまでもない。

続いて、偏差値について説明する。
上述の評価値（例えば、フィットネスＰ、マッスルＰ、ダイエットＰ）は、偏差値の形態でも演算することができる。
例えば、図６の例では、ダイエットＰの偏差値は４８、マッスルＰの偏差値は５３、及びフィットネスＰは５６として算出されている。
なお、偏差値の算出方法については、多数のユーザ（評価対象のユーザを含む）についての評価値（例えば、フィットネスＰ、マッスルＰ、ダイエットＰ）に基づくものであれば、いかなる手法でもよく、特に限定されない。さらに言えば、偏差値に限らず、当該評価値（例えば、フィットネスＰ、マッスルＰ、ダイエットＰ）を客観的に評価できる評価値であれば、いかなる評価値で代替することもできる。
本実施形態では、このような客観的な指標を用いることで、ユーザの身体組成バランスの客観的な立ち位置が明確になる。
また例えば、上述のダイエットＰ等は、図示せぬデータベースに記憶されてもよい。
そして、ユーザは、自身のユーザ端末を利用して、超音波画像解析装置２にアクセスすることで、以下のような、データを取得することができる。
即ち、上記ユーザは、過去の測定結果（画像、データ）、画像解析結果、アドバイス（運動、栄養）、経過観察（評価値の変化）、ランキング（全データ、年代別、ポイント別、業界別、施設内、地域別等）に関するデータを取得することができる。
また、上記ユーザは、関連情報、協賛企業情報、イベント情報等に関するデータを取得することができる。
また、例えば、上記ユーザが自己のデータの開示を許可した場合、上記ユーザは、自己のデータを閲覧した閲覧者からのコメント、励まし、協賛企業・団体からの応援メッセージ、協賛品に関するデータを取得することができる。

図７は、トレーニング等の前後における、超音波画像の一例を示す図である。
図７には、左から、トレーニング実施前に撮像された超音波画像（スタート時）６０１と、トレーニング実施から３カ月後に撮像された超音波画像（３カ月後）６０２とが示されている。

ユーザは、超音波画像（スタート時）６０１と超音波画像（３カ月後）６０２とを比較することで、皮下脂肪や筋肉の質の変化を認識することができるので、体重や体脂肪率の数値変化ではわからないトレーニングの実際の効果を認識することができる。

例えば、図７の超音波画像（スタート時）６０１では、Ａ−Ｂ間の領域が皮下脂肪領域として、Ｂ−Ｃ間の領域が筋肉領域として、夫々認識される。
そして、厚さ取得部５５により、Ａ−Ｂの領域の距離（厚さ）が皮下脂肪の厚さとして、Ｂ−Ｃの領域の距離（厚さ）が筋肉の厚さとして、夫々取得される。
このようにして厚さ取得部５５において取得された各領域の距離（厚さ）は、図７に示す通りである。即ち、脂肪の厚さとは、超音波画像上のＡ−Ｂ間の距離、即ち、表面から皮下脂肪領域の境界までの距離であり、超音波画像（スタート時）６０１の例では、１４ｍｍである。また、筋肉の厚さとは、超音波画像上のＢ−Ｃ間の距離、即ち、皮下脂肪領域の境界から骨の境界までの距離であり、超音波画像（スタート時）６０１の例では、１３ｍｍである。
超音波画像（３カ月後）６０２においては、皮下脂肪領域の厚さ（Ａ−Ｂ間の皮下脂肪厚）が１０ｍｍであり、筋肉領域の厚さ（Ｂ−Ｃ間の腹直筋厚）が１７ｍｍである。
これにより、ユーザは、トレーニング実施前後で、皮下脂肪の厚さ（Ａ−Ｂ間）は４ｍｍ薄くなり、筋肉の厚さ（Ｂ−Ｃ間）は４ｍｍ厚くなっていることを認識することができる。

ここで、図示しないが、ユーザはあらかじめ、自身のユーザ端末を利用して、目標数値等を入力することで、目標数値と皮下脂肪や筋肉の厚さと比較することができる。
そして、表示制御部５７の制御により出力部２６に、ユーザに対するコメントが表示される。具体的には例えば、図示はしないが「割れた腹筋を目指し、腹直筋厚４ｍｍＵＰ！」、「あとは皮下脂肪厚５ｍｍ以下が目標！」、「夏までには達成できそうなペース！！」といった、コメント等が表示される。これにより、ユーザは、トレーニング効果を容易に視認することができる。

また例えば、ユーザは、超音波画像（スタート時）６０１では、皮下脂肪領域では水太り脂肪が多いため黒く写っているが、超音波画像（３カ月後）６０２では、黒く映る水太り脂肪が少なくなっているということを視認できる。
即ち、ユーザは、トレーニング効果で筋肉が発達する様子を実際に確認することができる。

また例えば、ユーザは、超音波画像（スタート時）６０１と超音波画像（３カ月後）６０２とを比較することで、各部位ごとの身体組成バランスを正確に把握し、その成果に基づいたテーラーメイドなアドバイスを受けることが可能となる。
即ち、アドバイザーは、ユーザの筋肉や脂肪の量と質が超音波画像に基づいてわかるため、そこから最適な運動やダイエット等のメニューについて、ユーザにアドバイスをすることができる。
また、測定結果（画像やデータ）、画像解析結果等は、記憶部２８や外部のデータベースに蓄積することができる。従って、ユーザやアドバイザーは、筋肉量や体重のリバウンドも保存データから経過を観察し、正確な判定を得ることができる。

図８は、超音波画像の厚さ評価の一例を示す図である。
図８には左から順に、超音波画像７０１、超音波画像７０２、超音波画像７０３、超音波画像７０４、及び超音波画像７０５が示されている。

ここで、超音波画像７０１は、普段運動をしない過度の運動不足の腹部の超音波画像である。
超音波画像７０２は、運動不足の腹部の超音波画像である。
超音波画像７０３は、平均的な筋肉を有する腹部の超音波画像である。
超音波画像７０４は、普段から体を動かしており、運動効果が表れている腹部の超音波画像である。
超音波画像７０５は、普段から体を徹底的に鍛えているアスリートの腹部の超音波画像である。
図８の超音波画像７０１及至７０５には、上下矢印が記載されており、腹直筋、即ち、筋肉領域の距離（厚さ）を表している。また、上下矢印の上側を皮下脂肪、即ち、皮下脂肪領域の距離（厚さ）を表している。

図８の超音波画像７０１乃至７０５の順番に、皮下脂肪の厚さが減少し、筋肉の厚さが増加していることがわかる。即ち、運動の有無と程度により、皮下脂肪が減少し、腹直筋が増加していることがわかる。

ここで、超音波画像７０１及至７０５について、皮下脂肪領域において黒く写る脂肪は、水太り脂肪であり、この脂肪は弛む柔らかい脂肪であることを示す。また、白く写る脂肪は、引き締まっている硬太り脂肪であることを示す。
超音波画像７０１においては、皮下脂肪は水太り脂肪が多いため、黒く写っている。
超音波画像７０２の皮下脂肪領域は、超音波画像７０１の皮下脂肪領域と比較して黒く映る水太り脂肪が減少し、皮下脂肪領域が白くなっており、白く写る硬太りの脂肪に変化していることがわかる。
また、脂肪領域は、超音波画像７０３乃至７０５の順で、黒く写る脂肪領域が減少し、白く写る硬太り脂肪（引き締まっている脂肪）が増えていくことがわかる。
超音波画像７０１及至７０５を比較することにより、皮下脂肪の厚さの増減のほか、皮下脂肪の写り方により、脂肪の厚さと質の変化がわかる。

ここで、超音波画像７０１及至７０５について、筋肉領域において白く写る筋肉は、霜降り筋肉であり、この筋肉は運動不足の筋肉であることを示す。また、黒く写る筋肉は、よく鍛えられた筋肉であることを示す。
超音波画像７０１において、腹直筋は、運動不足の霜降り状態のため、白く写っている。超音波画像７０２においては、腹直筋は、白く写る霜降り状態が減少し、黒く写る鍛えられた筋肉に変化していくことがわかる。
腹部の筋肉領域についても、超音波画像７０３乃至７０５の順で、白く写る霜降り状態が減少し、黒く写る鍛えられた筋肉状態に変化していくことがわかる。
超音波画像７０１及至７０５を比較することにより、筋肉の厚さの増減のほか、筋肉の映り方の変化により、筋肉の厚さと質の変化がわかる。

つまり、超音波画像７０１及至７０５の各データをサンプルとして、記憶部２８や外部のデータベースに蓄積することができる。
評価部５６は、ユーザの超音波画像のデータと、これらのサンプルとを比較することで、ユーザに対する適切な評価をすることができる。

図９は、身体組成バランスの評価の一例を示す図である。
評価部５６は、図９の表に基づいて、各種評価をすることができる。この評価を受けたユーザは、数値ではわからない本当の身体組成バランスを認識することができる。
即ち、評価部５６は、性別や年齢、測定部位ごとの皮下脂肪の厚さや筋肉の厚さにおいて、他のユーザと比較することで、身体組成バランスを認識することができる。
例えば、図９（ａ）は、女性の腹部の皮下脂肪厚に関する表である。図９（ｂ）は、男性の皮下脂肪厚に関する表である。図９（ｃ）は、男女共通の腹直筋厚に関する表である。各図に示す表は、リストデータとして超音波画像解析装置２の記憶部２８に記憶されている。このリストデータの１行は、厚さの計測結果の範囲を表しており、「測定結果」、「判定」、及び「コメント」についての各情報が格納される。
例えば、図９（ａ）に対応するリスト情報では、１行目は、計測結果「４ｍｍ以下」に対応している。つまり、ユーザの厚さの計測結果が「４ｍｍ以下」であった場合、評価部５６は、「ビルダーレベル」と判定する。そして、表示制御部５７の制御により出力部２６に、「腹筋が割れて見えるレベル、すごいですね！」というコメントが表示される。
これにより、ユーザは、自身の腹部の皮下脂肪厚がビルダーレベルの皮下脂肪の厚さであることを認識することができる。

図１０は、図３の超音波画像解析装置により実行される厚さ評価処理の流れを説明するフローチャートである。

ステップＳ１において、画像取得部５１は、超音波画像生成装置１から送信された超音波画像のデータを、通信部２９を介して取得する。

ステップＳ２において、領域認識部５２は、超音波画像のデータから各領域のデータ、即ち皮下脂肪領域のデータ及び筋肉領域のデータを認識する。

ステップＳ３において、厚さ取得部５５は、ステップＳ２で認識された皮下脂肪領域から皮下脂肪の厚さを取得する。
ステップＳ４において、厚さ取得部５５は、ステップＳ２で認識された筋肉領域から筋肉の厚さを取得する。

ステップＳ５において、評価値演算部７１は、皮下脂肪の厚さや筋肉の厚さに基づいて、所定の観点による評価値を演算する。
ステップＳ６において、トレーニング等効果評価部７２は、時系列の変化に基づいて、トレーニング又はダイエットの効果を評価する。
ステップＳ７において、身体組成バランス評価部７３は、ユーザについての身体組成バランスを評価する。

ステップＳ８において、ＣＰＵ２１は、処理の終了指示があったか否かを判断する。
ここで、処理の終了指示は、特に限定されないが、本実施形態ではいわゆるスリープ状態等への移行指示が採用されている。つまり、超音波画像解析装置２においてスリープ状態等への移行指示がなされない限り、ステップＳ８においてＮＯであると判断されて処理はステップＳ１に戻され、それ以降の処理が繰り返される。
これに対して、超音波画像解析装置２においてスリープ状態等への移行指示がなされると、ステップＳ７においてＹＥＳであると判断されて、状態推定処理は終了になる。

以上、本発明の一実施形態について説明したが、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものである。

例えば、図２のハードウェア構成は、本発明の目的を達成するための例示に過ぎず、特に限定されない。
また、図３に示す機能ブロック図は、例示に過ぎず、特に限定されない。即ち、上述した一連の処理を全体として実行できる機能が情報処理システムに備えらえていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは、特に図３の例に限定されない。また、機能ブロックの存在場所も図３に限定されず、任意でよい。
１つの機能ブロックは、ハードウェアで構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。

各機能ブロックの処理をソフトウェアにより実行される場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば超音波画像解析装置２の他、汎用のスマートフォンやパーソナルコンピュータであってもよい。

このようなプログラムを含む記録媒体は、各ユーザにプログラムを提供するために装置本体とは別に配布される。リムーバブルメディアにより構成されるだけではなく、装置本体に予め組み込まれた状態で各ユーザに提供される記録媒体等で構成される。

また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものである。

以上まとめると、本発明が適用される情報処理装置は、次のような構成を取れば足り、各種各様な実施形態をとることができる。
即ち、本発明が適用される情報処理装置（例えば図１の超音波画像解析装置２）は、
プローブ（例えば図１の超音波プローブ１１）内の超音波センサから発信され、人体の所定部位の身体内から跳ね返り、前記プローブで受信された超音波に基づいて生成された画像データを、前記所定部位の画像データとして取得する画像取得手段（例えば図３の画像取得部５１）と、
前記所定部位の画像データから、皮下脂肪領域のデータ、及び筋肉領域のデータを認識する領域認識手段（例えば図３の領域認識部５２）と、
前記皮下脂肪領域のデータ又は前記筋肉領域のデータから、前記皮下脂肪又は前記筋肉の厚さを取得する厚さ取得手段（例えば図３の厚さ取得部５５）と、
を備えていれば足りる。

ユーザは、脂肪領域の筋肉領域から皮下脂肪の厚さや筋肉の厚さを画像や数値として認識することができる。
これにより、各領域から脂肪量や筋肉量を皮下脂肪や筋肉の厚さとして測定し、画像や数値として取得することで、より詳細な健康状態を認識することができ、効果的な指導やアドバイスを受けることができる。

また、上記情報処理装置は、
ユーザの所定の１以上の測定部位の夫々について、前記皮下脂肪と前記筋肉とのうち少なくとも一方の厚さに基づいて、当該ユーザについての、所定の観点による評価値（ダイエットＰ、マッスルＰ、フィットネスＰ、偏差値等）を演算する評価値演算手段（例えば図３の評価値演算部７１）
をさらに備えることができる。

ユーザは、皮下脂肪の厚さや筋肉の厚さをポイントという数値で表すことができる。
これにより、脂肪の厚さや筋肉の厚さをポイントとして表示されることで、測定結果が判りやすくなり、脂肪の厚さと筋肉の厚さの比較が容易になる。

また、上記情報処理装置は、
ユーザの所定の１以上の測定部位の夫々について、前記皮下脂肪と前記筋肉とのうち少なくとも一方の厚さの時系列の変化に基づいて、当該ユーザについてのトレーニング又はダイエットの効果を評価する効果評価手段（例えば図３のトレーニング等効果評価部７２）
をさらに備えることができる。

これにより、ユーザは、皮下脂肪や筋肉の厚さの時系列の変化や皮下脂肪の状態等の時系列の変化に基づいて、健康状態を判定することができる。

また、上記情報処理装置は、
ユーザの所定の１以上の測定部位の夫々について、前記皮下脂肪と前記筋肉とのうち少なくとも一方の厚さに基づいて、当該ユーザについての身体組成バランスを評価（ビルダーレベル等の判定とコメント）する身体組成バランス評価手段（例えば図３の身体組成バランス評価部７３）
をさらに備えることができる。

これにより、性別や年齢、測定部位ごとの皮下脂肪の厚さや筋肉の厚さと、他の多数のユーザと比較することで、身体組成バランスを認識することができる。

１・・・超音波画像生成装置
２・・・超音波画像解析装置
１１・・・超音波プローブ
１２・・・超音波トランスデューサデバイス
２１・・・ＣＰＵ
２２・・・ＲＯＭ
２３・・・ＲＡＭ
２４・・・バス
２５・・・入出力インターフェース
２６・・・出力部
２７・・・入力部
２８・・・記憶部
２９・・・通信部
３０・・・ドライブ
３１・・・リムーバブルメディア
５１・・・画像取得部
５２・・・領域認識部
５３・・・特徴情報取得部
５４・・・状態推定部
５５・・・厚さ取得部
５６・・・評価部
５７・・・表示制御部
７１・・・評価値演算部
７２・・・トレーニング等効果評価部
７３・・・身体組成バランス評価部
７４・・・総合評価部
３０１・・・超音波画像
３０２・・・領域データ
Ａ・・・生体
Ｂ・・・判定対象

Claims (4)

1. プローブ内の超音波センサから発信され、人体の所定部位の身体内から跳ね返り、前記プローブで受信された超音波に基づいて生成された画像データを、前記所定部位の画像データとして取得する画像取得手段と、
   前記所定部位の画像データから、皮下脂肪領域のデータ、及び筋肉領域のデータを認識する領域認識手段と、
   前記皮下脂肪領域のデータ又は前記筋肉領域のデータから、前記皮下脂肪又は前記筋肉の厚さを取得する厚さ取得手段と、
   を備える情報処理装置。
2. ユーザの所定の１以上の測定部位の夫々について、前記皮下脂肪と前記筋肉とのうち少なくとも一方の厚さに基づいて、当該ユーザについての、所定の観点による評価値を演算する評価値演算手段
   をさらに備える請求項１に記載の情報処理装置。
3. （時系列ごとの評価）
   ユーザの所定の１以上の測定部位の夫々について、前記皮下脂肪と前記筋肉とのうち少なくとも一方の厚さの時系列の変化に基づいて、当該ユーザについてのトレーニング又はダイエットの効果を評価する効果評価手段
   をさらに備える請求項１又は２に記載の情報処理装置。
4. ユーザの所定の１以上の測定部位の夫々について、前記皮下脂肪と前記筋肉とのうち少なくとも一方の厚さに基づいて、当該ユーザについての身体組成バランスを評価する身体組成バランス評価手段
   をさらに備える請求項１乃至３のうち何れか１項に記載の情報処理装置。